CN110427357A - 测风塔数据处理方法及装置 - Google Patents
测风塔数据处理方法及装置 Download PDFInfo
- Publication number
- CN110427357A CN110427357A CN201810397272.8A CN201810397272A CN110427357A CN 110427357 A CN110427357 A CN 110427357A CN 201810397272 A CN201810397272 A CN 201810397272A CN 110427357 A CN110427357 A CN 110427357A
- Authority
- CN
- China
- Prior art keywords
- data
- anemometer tower
- tower
- wind
- anemometer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 76
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000012216 screening Methods 0.000 claims abstract description 40
- 108091006146 Channels Proteins 0.000 claims description 72
- 230000008859 change Effects 0.000 claims description 40
- 230000008030 elimination Effects 0.000 claims description 16
- 238000003379 elimination reaction Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000012217 deletion Methods 0.000 claims description 13
- 230000037430 deletion Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 11
- 241001269238 Data Species 0.000 claims description 10
- 238000013461 design Methods 0.000 claims description 9
- 230000004888 barrier function Effects 0.000 claims description 7
- 230000008901 benefit Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 239000012141 concentrate Substances 0.000 claims 2
- 230000007774 longterm Effects 0.000 description 9
- 238000009434 installation Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002459 sustained effect Effects 0.000 description 4
- 241000209094 Oryza Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241001596780 Epinephelus merra Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000018199 S phase Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
Abstract
本公开提供了一种测风塔数据处理的方法及装置。所述方法包括:对测风塔数据进行读取;分别使用不同的数据筛选方法对读取的测风塔数据进行数据筛选;针对不同的测风塔数据缺失情况,对筛选后的数据进行数据插补;选取插补后的测风塔数据的完整年数据并对选取的完整年数据进行代表年订正;将订正后的测风塔数据拟合为风力发电机组的轮毂高度处的数据。本发明能够更加全面地考虑误差来源,根据不同的情况选择不同的处理方法,降低了测风塔数据处理过程中的不确定性并提高了测风塔数据的处理速度和准确性。
Description
技术领域
本发明涉及风力发电技术领域,更具体地讲,涉及一种对测风塔数据进行处理的方法以及装置。
背景技术
测风塔数据处理是风电场资源评估过程中的重要环节以及对风场范围内的风资源情况进行分析的初始条件。只有在准确地处理测风塔数据的情况下,才能准确地对风电场的风资源情况进行评估。当前对测风塔数据处理的软件应用、方法和操作多种多样,但是没有对处理后的数据精度进行验证,这也是造成后期风资源评估结果千差万别的重要因素之一。
当前对原始测风塔数据的读取、筛选、插补、代表年订正以及拟合所采用的方法均存在一些问题和不足。例如,在原始测风塔数据的读取过程中,风速设备没有详细检查设备标定参数、没有校正风向设备的磁偏角;在数据筛选的过程中,没有去除奇异点;在数据插补的过程中,没有对不同插补方法引起的误差进行对比而直接采用线性法插补法;在进行代表年订正的过程中,直接采用简单的比例法;在数据拟合的过程中,未考虑扇区和时间对风切变的影响等因素。
因此,需要一种更加合理、全面地处理测风塔数据的方法,即在处理数据时分析数据处理过程中的误差来源,并根据不同的情况选择不同的数据处理方法进行测风塔数据处理。此外,风电行业对数据处理的时间周期短、大规模作业模式的需求日趋明显,也需要将测风塔数据处理的流程和方法标准化,从而提高测风塔数据的处理速度和准确性。
发明内容
本发明的示例性实施例提供了一种测风塔数据处理方法和处理装置,至少解决上述技术问题和上文未提及的其它技术问题,并且提供下述的有益效果。
本发明的一方面在于提供一种测风塔数据处理方法,所述方法可以包括:对测风塔数据进行读取;分别使用不同的数据筛选方法对读取的测风塔数据进行数据筛选;针对不同的测风塔数据缺失情况,对筛选后的数据进行数据插补。
对测风塔数据进行读取的步骤可以包括:确定与测风塔相关的信息是否发生变更,其中,当与测风塔相关的信息未发生变更时,直接读取测风塔数据;当与测风塔相关的信息发生变更时,对发生变更的信息进行修改并读取修改后的测风塔数据,其中,与测风塔相关的信息包括测风塔的位置、设备序列号、设备参数、通道顺序。
对读取的测风塔数据进行数据筛选的步骤可以包括:使用设计规则对获取的测风塔数据进行规则删除;根据数据相关性,对规则删除后的测风塔数据进行相关性删除;根据测风塔的各个通道的数据趋势和差值,对相关性删除后的测风塔数据进行逻辑删除。
对筛选后的数据进行数据插补的步骤可以包括:确定塔影对测风塔数据的影响,选取受塔影影响最小的测风塔数据,其中,当在测风塔的特定高度处仅有一个测风设备时,不对该特定高度处的测风塔数据进行塔影消除处理,当在测风塔的特定高度有多个测风设备且风向集中时,选取该特定高度的在主风向方向上受塔影影响最小的测风塔数据,当在测风塔的特定高度处有多个测风设备且风向不集中时,根据该特定高度处的风速比值、风向、其他高度处的风速对该特定高度处的测风塔数据进行塔影消除处理。
对筛选后的数据进行数据插补的步骤还可以包括:在测风塔的特定通道数据缺失的情况下,使用同一测风塔的其他通道的数据进行数据插补,其中,测风塔的特定通道数据缺失的情况包括测风塔的单一通道数据缺失情况和仅存在测风塔的单一通道数据情况中的至少一种,其中,对至少大于1年的测风塔数据进行数据插补。
对筛选后的数据进行数据插补的步骤还可以包括:在测风塔特定时刻的全部通道数据丢失的情况下,基于其他测风塔的测风塔数据或长期数据,对测风塔数据进行插补;通过对插补后的测风塔数据进行误差分析,选取产生误差最小的测风塔数据。
所述方法还包括:选取插补后的测风塔数据的完整年数据并对选取的完整年数据进行代表年订正。
所述方法还包括:将插补后的测风塔数据拟合为风力发电机组的轮毂高度处的数据,其中,当风切变的月变化、昼夜变化和扇区变化不明显时,可以利用常数风切变值进行拟合;当由于地形引起风切变明显变化时,测风塔所处四周地形、植被和障碍物均不相同,则需要分扇区进行数据拟合;当由于昼夜引起风切变明显变化时,可以使用16扇区和小时风切变指数矩阵进行数据拟合;当由月份引起风切变明显变化时,可以使用16扇区和月份风切变指数矩阵进行数据拟合。
本发明的另一方面在于提供一种风塔数据处理装置,所述装置可以包括:数据读取模块可以被配置为对测风塔数据进行读取;数据筛选模块可以被配置为分别使用不同的数据筛选方法对读取的测风塔数据进行数据筛选;数据插补模块可以被配置为针对不同的测风塔数据缺失情况,对筛选后的数据进行数据插补。
数据读取模块可以被配置为确定与测风塔相关的信息是否发生变更,其中,当与测风塔相关的信息未发生变更时,直接读取测风塔数据;当与测风塔相关的信息发生变更时,对发生变更的信息进行修改并读取修改后的测风塔数据,其中,与测风塔相关的信息包括测风塔的位置、设备序列号、设备参数、通道顺序。
数据筛选模块可以被配置为使用设计规则对获取的测风塔数据进行规则删除;根据数据相关性,对规则删除后的测风塔数据进行相关性删除;根据测风塔的各个通道的数据趋势和差值,对相关性删除后的测风塔数据进行逻辑删除。
数据插补模块可以被配置为确定塔影对测风塔数据的影响,选取受塔影影响最小的测风塔数据,其中,当在测风塔的特定高度处仅有一个测风设备时,不对该特定高度处的测风塔数据进行塔影消除处理,当在测风塔的特定高度有多个测风设备且风向集中时,选取该特定高度的在主风向方向上受塔影影响最小的测风塔数据,当在测风塔的特定高度处有多个测风设备且风向不集中时,根据该特定高度处的风速比值、风向、其他高度处的风速对该特定高度处的测风塔数据进行塔影消除处理。
数据插补模块还可以被配置为在测风塔的特定通道数据缺失的情况下,使用同一测风塔的其他通道的数据进行数据插补,其中,测风塔的特定通道数据缺失的情况包括测风塔的单一通道数据缺失情况和仅存在单一通道数据情况中的至少一种,其中,对至少大于1年的测风塔数据进行数据插补。
数据插补模块还可以被配置为在测风塔特定时刻的全部通道数据丢失的情况下,基于其他测风塔的测风塔数据或长期数据,对测风塔数据进行插补;通过对插补后的测风塔数据进行误差分析,选取产生误差最小的测风塔数据。
所述装置还可以包括数据订正模块,其可以被配置为选取插补后的测风塔数据的完整年数据并对选取的完整年数据进行代表年订正。
所述装置还可以包括数据拟合模块,其可以被配置为将插补后的测风塔数据拟合为风力发电机组的轮毂高度处的数据,其中,当风切变的月变化、昼夜变化和扇区变化不明显时,可以利用常数风切变值进行拟合,当由于地形引起风切变明显变化时,测风塔所处四周地形、植被和障碍物均不相同,则需要分扇区进行数据拟合,当由于昼夜引起风切变明显变化时,可以使用16扇区和小时风切变指数矩阵进行数据拟合,当由月份引起风切变明显变化时,可以使用16扇区和月份风切变指数矩阵进行数据拟合。
本发明的一方面在于提供一种计算机可读存储介质,存储有程序,所述程序可包括用于执行以上所述的测风塔数据处理的方法的指令。
本发明的一方面在于提供一种计算机,包括存储有计算机程序的可读介质,所述计算机程序包括用于执行以上所述的测风塔数据处理的方法的指令。
基于以上描述的测风塔数据处理的方法及装置,能够分别针对数据读取、数据筛选、数据插补、数据订正以及数据拟合中每一个处理环节,根据不同的误差来源以及情况来选择不同的处理方法。通过标准化的测风数据处理流程,降低了数据处理过程中的不确定性,提高了处理测风塔数据的速度和准确性。
附图说明
下面,将结合附图进行本发明的详细描述,本发明的上述特征和其他目的、特点和优点将会变得更加清楚,其中:
图1是根据本公开的示例性实施例的测风塔数据处理方法的流程图;
图2是根据本公开的示例性实施例的测风塔数据处理方法的详细流程图;
图3是根据本公开的示例性实施例的某测风塔不同高度处的风速比值分布的示图;
图4是根据本公开的示例性实施例的某测风塔不同高度处的风速趋势的示图;
图5是根据本公开的另一示例性实施例的某测风塔不同高度处的风速趋势的示图;
图6a至图6c是根据本公开的示例性实施例的针对不同风向对测风设备的塔影影响的示图;
图7是根据本公开的示例性实施例的测风塔数据处理装置的框图。
具体实施方式
现将详细参照本发明的示例性实施例,所述实施例的示例在附图中示出,其中,相同的标号始终指的是相同的元件。以下将通过参照附图来说明所述实施例,以便于解释本发明。
在本公开中,包括诸如“第一”、“第二”等序数的术语可以被用于描述各种元素,但是这些元素不应被理解为仅限于这些术语。这些术语仅被用于将一个元素与其他元素区分开来。例如,在不脱离本公开的范围的情况下,第一元素可以被称为第二元素,反之亦然。
图1是根据本公开的示例性实施例的测风塔数据处理方法的流程图。
参照图1,在步骤S101,对测风塔数据进行读取。由于测风设备可能出现损坏、冰冻和更换等情况,因此经常出现与测风塔相关的信息发生变更的情况。在数据读取的过程中,首先确定与测风塔相关的信息是否发生变更,其中,与测风塔相关的信息可以包括测风塔的位置、设备序列号、设备参数、通道顺序。当与测风塔相关的数据未发生变更时,可以直接以TXT格式将测风塔数据导出。当与测风塔相关的信息发生变更时,对发生变更的信息进行修改,然后读取修改后的测风塔数据并以TXT格式导出测风塔数据。
在步骤S102,分别使用不同的数据筛选方法对读取的测风塔数据进行数据筛选。在本发明中,可以分别使用规则删除法、相关性删除法和逻辑删除法对测风塔数据进行筛选,这样能够最大限度地删除不合理的测风数据并保留合理的数据,降低误删的概率。
在步骤S103,针对不同的测风塔数据缺失情况,对筛选后的数据进行数据插补。当确定测风塔在同一高度有两个测风设备时,可以根据塔影对不同测风设备的影响来进行测风塔数据的塔影消除处理,选取受塔影影响最小的测风塔数据。当在测风塔的特定高度处仅有一个测风设备时,不对该特定高度处的测风塔数据进行塔影消除处理。当在测风塔的特定高度有多个测风设备且风向集中时,选取该特定高度的在主风向方向上受塔影影响最小的测风塔数据。当在测风塔的特定高度处有多个测风设备且风向不集中时,根据该特定高度处的风速比值、风向、其他高度处的风速对该特定高度处的测风塔数据进行塔影消除处理。在塔影影响消除之后,针对不同的数据缺失情况可以采用不同的数据插补方法。具体地,在测风塔的特定通道数据缺失的情况下,可以使用同一测风塔的其他通道的数据进行数据插补,其中,测风塔的特定通道数据缺失的情况可以包括测风塔的单一通道数据缺失情况和仅存在单一通道数据情况中的至少一种。在测风塔特定时刻的全部通道数据丢失的情况下,可以基于其他测风塔的测风塔数据或长期数据,分别使用多种数据插补方法对测风塔数据进行插补并且通过对分别使用多种数据插补方法进行插补的测风塔数据进行误差分析,选取产生误差最小的测风塔数据。
根据本公开的实施例,通道数据是指测风塔不同高度处的测风数据。例如,在测风塔10米处测量的数据可以称为第一通道数据,在测风塔20米处测量的数据可以称为第二通道数据,在测风塔50米处测量的数据可以称为第三通道数据等。
在数据插补中,需要对至少大于1年的测风塔数据进行插补,在数据插补之后,选取存在原始数据最多的完整年数据,并考虑长期数据能否包括选取的完整年数据。
在步骤S104,对选取的完整年数据进行代表年订正。可以采用比值法或差值法对测风塔数据进行代表年订正,但是本公开不限于此。
在步骤S105,对订正后的数据进行数据拟合,即将订正后的测风塔数据拟合为风力发电机组的轮毂高度处的数据,其中,当风切变的月变化、昼夜变化和扇区变化不明显时,可以利用常数风切变值进行拟合;当由于地形引起风切变明显变化时,测风塔所处四周地形、植被和障碍物均不相同,则需要分扇区进行数据拟合;当由于昼夜引起风切变明显变化时,可以使用16扇区和小时风切变指数矩阵进行数据拟合;当由月份引起风切变明显变化时,可以使用16扇区和月份风切变指数矩阵进行数据拟合。在本发明中,根据测风塔风速的高度、扇区、月变化和日变化对风切变的影响,选择不同的风切变矩阵对轮毂高度处的风速进行拟合。在数据拟合的过程中,不仅需要保持风速变化趋势一致,还需要保持多通道的风切变趋势一致。下面,将参照图2来详细地说明对测风塔数据进行处理的具体操作。
图2是根据本公开的示例性实施例的测风塔数据处理方法的详细流程图。
参照图2,在步骤S201,确定与测风塔相关的信息是否发生变更。与测风塔相关的信息可以包括但不限于位置变更、设备序列号变更、设备参数变更和通道顺序变更。当确定与测风塔相关的信息发生变更时,进行到步骤S202;当与测风塔相关的信息未发生变更时,进行到步骤S203,将测风数据以TXT格式导出。
在步骤S202,对发生变更的数据进行修改。由于存在多种因素可能引起与测风塔相关的信息发生变更,因此为了保证原始数据的准确性,需要对发生变更的信息进行修改与校正。例如,当测风塔的设备序列号发生变更时,可以将测风塔数据分段读取,根据测风塔安装报告或设备序列号的标定参数对每一段数据的设备参数进行修改。当测风塔的设备参数发生变更时,可以根据测风塔安装报告或设备序列号的标定参数来确定测风设备是否被更换过,如果确定测风设备被更换过,则将设备参数修改正确之后再进行读取。当测风塔的通道顺序发生变更时,可以将测风数据进行分段读取,然后将测风数据进行拼接,在数据拼接过程中需要将错位通道进行修改。
此外,在风向设备安装过程中,如果采用指南针进行北向校正,由于各地的磁偏角不同,因此在风向数据读取时,可以通过查看测风塔安装报告对风向设备参数进行校正。在修改数据之后,可以将测风塔数据以TXT格式文本导出。根据本公开的实施例,可以使用SDR(Symphonie Data Retriever)软件来实现对测风塔数据的读取以及修改操作,然而本公开不限于此。
在读取测风塔数据之后,进行到步骤S204,使用设计规则对获取的测风塔数据进行规则删除。一般地,常用的设计规则包括但不限于:将风速、风向、温度和气压超出量程的数据进行删除;将包含10min平均数据、最大数据和最小数据进行删除;将标准偏差(湍流)较大的风速数据进行删除;将标准偏差近似为0且持续2小时以上的风速数据进行删除;将风向数据发生变化但是变化量程错误的数据进行删除。上述规则仅是示例性的,本发明不限于上述列出的设计规则。在经过规则删除之后,进行到步骤S205。
在步骤S205,根据数据相关性,对规则删除后的测风塔数据进行相关性删除。数据相关性删除指的是将任意两个通道的数据进行比较并做相关性分析,确定出离散点与哪个通道的数据相应,并且将与离散点相应的错误通道的数据删除,从而提高各通道之间的相关性。例如,如图3所示,将测风塔50米处的风速数据与90米处的风速数据进行比较,根据相关性分析可以看出方框中的比值点为离散点(明显与比值分布分离的点),需要将这些离散点删除。
此外,还需要将与其它通道之间相关性都较差的通道数据删除,以保证在后续数据插补和数据拟合中更加准确地处理测风塔数据。
在步骤S206,根据测风塔的各个通道的数据趋势和差值,对相关性删除后的测风塔数据进行逻辑删除。逻辑删除指的是查看不同的通道数据之间的趋势和差值,将不合理通道的数据或某一时刻不符合其它通道趋势的数据删除。例如,图4示出了某测风塔在90米(包括A通道和B通道)、80米和70米处的风速随时间的走势情况。从图4可以看出以方框标出的90米处的A通道数据趋势明显与其他高度处的通道数据趋势不一致,可以初步判断此处的数据可能由于冰冻或设备损坏等因素引起数据不合理,在这种情况下,需要将90米处的A通道的数据删除。又例如,图5示出了某测风塔在90米(包括A通道和B通道)、80米、70米、50米和10米处的风速随时间的走势情况。从图5可以看出不同高度处的风速趋势基本一致,但是10米处的风速数据与其他高度处的风速数据之间的差距较大,可以初步确定10米处的风速数据可能受地形和地表植被影响比较严重,因此,可以将10米处的风速数据删除。
应注意的是,当测风塔在某一时刻的风切变很大时,也可能造成不同通道之间的差值较大,在这种情况下,不删除与其他通道数据之间的差值较大的通道数据。
在步骤S207,确定塔影对测风塔数据的影响,选取受塔影影响最小的测风塔数据。塔影指的是气流在通过测风塔塔架后流场发生变化,影响了测风设备对实际风矢量的观测记录。当在测风塔的特定高度处仅有一个测风设备时,不对该特定高度处的测风塔数据进行塔影消除处理。当在测风塔的特定高度有多个测风设备且风向集中时,选取该特定高度的在主风向方向上受塔影影响最小的测风塔数据。当在测风塔的特定高度处有多个测风设备且风向不集中时,根据该特定高度处的风速比值、风向、其他高度处的风速对该特定高度处的测风塔数据进行塔影消除处理。例如,当测风塔的同一高度处有两个测风设备且此处的风向比较集中时,可以直接选取在主风向方向上不受塔影影响的通道数据。但是当风向比较散乱时,需要综合考虑同一高度的风速比值、风向、其他高度风速等因素来消除测风数据的塔影影响。针对不同的测风塔数据受塔影影响的情况,可以采用不同的塔影消除方法。
例如,当某一测风塔是桁架式测风塔时,根据桁架式测风塔的塔影影响范围,一般将同一高度处的两个测风设备垂直安装,如图6a所示,当在第一时间段内风向为西风时,测风设备A在塔影的加速影响区,测风设备B未受塔影影响,应选取第一时间段内测风设备B的风速数据。如图6b所示,当在第二时间段内风向为北风时,测风设备B在塔影的加速影响区,测风设备A未受塔影影响,则应选取第二时间段内测风设备A的风速数据。如图6c所示,当在第三时间段内风向为东风时,测风设备A在塔影影响区,测风设备B未受塔影影响,应选取第三时间内测风设备B的风速数据。根据测风设备的安装角度和不同时间段的风向,将不同时间段内受塔影影响比较严重的数据删除之后,将两个测风设备的风速数据合并来减小塔影的影响,使得处理后的测风塔数据更接近实际不受塔影影响的测风数据。
应注意的是,在测风塔数据处理过程中需要收集测风塔安装报告并且确定位于风向比较集中的测风塔的测风设备是否安装于在主风向上受塔影影响较小区域,以保证数据处理的准确性。
在步骤S208,使用同一测风塔的其他通道的数据进行数据插补,其中,测风塔的特定通道数据缺失的情况包括测风塔的单一通道数据缺失情况和仅存在单一通道数据情况中的至少一种。
具体地,在测风塔的单一通道数据缺失情况下,可以根据风切变公式来计算缺失的数据值。风切变公式如下面等式(1)所示:
其中,V1表示缺失的某一高度处的风速,V2表示存在的某一高度处的风速,H1表示测量V1的高度,H2表示测量V2的高度,α表示风切变指数。
在测风塔数据仅存在单一通道数据情况下,可以按照扇区、小时或月份统计出的风切变指数矩阵,选择相应时刻的风切变指数来计算剩余通道的风速值。例如,可以计算其他时刻的16个扇区风切变指数的平均值,然后根据仅存的风速和风切变指数均值来计算其他高度的风速。
由于同一测风塔的不同通道数据之间的趋势和相关性比异塔之间的数据趋势和相关性更好,因此,使用同一测风塔上的数据可以减小插补数据的不确定性,并且采用风切变方法进行插补可以更好地保持风速变化和风切变变化的趋势。
在使用同一测风塔上的数据进行插补之后,在步骤S209,确定插补后的数据是否满足预设的数据完整率和时长。在本发明中,根据设计需求来设置数据完整率值,一般地,测风塔实测数据有效完整率应达到90%以上。根据本公开的实施例,预设的时长至少1年以上。当使用同一测风塔的其他通道的数据进行数据插补之后,如果插补后的数据满足预设的数据完整率以及插补的数据为一年以上,则进行到步骤S211,否则,进入到步骤S210。
在步骤S210,基于其他测风塔的测风塔数据或长期数据,分别使用多种数据插补方法对测风塔数据进行插补,通过对分别使用多种数据插补方法进行插补的测风塔数据进行误差分析,选取产生误差最小的测风塔数据。
针对在某一时刻测风塔的全部通道数据缺失的情况,可以利用同一风电场内距离较近、地形相似和相关性较好的参考测风塔数据的趋势进行数据插补,例如,可以使用现有的全年相关法、分季节相关法、分扇区相关法等,这里不对插补方法进行详细描述。由于插补方法较多,因此,可以对使用不同插补方法进行插补的数据的绝对值误差、分布误差和均值误差进行分析,选取产生误差最小的测风塔数据以尽量保证插补前后产生的误差最小。
在现有的使用参考测风塔数据(即非目标测风塔数据)的插补方法中,在推导相关性等式时,没有考虑原始数据的时间间隔,也没有考虑时差问题。在本发明中,将原始数据的时间间隔以及时差考虑到推导相关性等式的过程中。具体地,在使用参考测风塔数据进行数据插补的过程中,当两个数据都是10分钟间隔时,在推导相关性等式中,可以采用间隔10分钟的数据进行推导等式,也可以采用间隔为1小时的数据进行推导等式。当参考测风塔位于上风向并且距离目标测风塔一定距离时,可以将该距离除以平均风速来获得一个时差,然后将参考测风塔数据的时间相应地平移一个所获得的时差,这样可以提高平移之后的相关性。
如果风电场中只有一个测风塔,不能使用参考测风塔数据进行数据插补,则可以利用长期数据(即MERRA(Modern Era Retrospective-analysis forResearch andApplication)数据)的趋势,对缺失的数据进行插补,由于该插补数据方法具有较大不确定性,因此在测风塔数据时长大于9个月时不采用该方法,或者根据具体情况来确定是否需要采用该方法。例如,在数据缺失量不足一个月,附近没有其他测风塔的情况下,不使用网络下载小时间隔的中尺度数据对实测10分钟测风数据进行插补;在数据缺失量超过三个月,附近没有其他测风塔,且中尺度数据与测风塔数据的相关性平方大于0.5的情况下,可以考虑采用网络下载小时间隔的中尺度数据对实测10分钟测风数据进行插补。
此外,由于数据完整性与误差关系成指数关系,因此需要对由数据插补误差和数据不完整引起的误差进行对比分析。
在步骤S211,选取插补后的测风塔数据的完整年数据。在选取完整年数据中,尽量多地保留原始数据,并考虑长期数据能否包含所选取的完整年数据。在对测风塔数据进行数据插补和选取完整年数据之后,可以获取测风塔完整年风速、风向、风速变化情况、空气密度、风切变、湍流强度以及最大风速等数据。
在步骤S212,对选取的完整年数据进行代表年订正。在对风电场进行风资源评估时,根据气象站或长期数据与测风塔数据的相关性,将现场测风数据订正为一套反映风电场长期平均水平的代表年数据,然后再进行风资源分析。一般地,可以使用比值法或差值法来进行代表年订正。例如,使用比值法对选取的完整年数据进行代表年订正时,根据长期数据近30年的平均风速与测风塔同期风速的比值对测风塔数据进行代表年订正。本公开可以采用任意一种对测风塔数据进行代表年订正的方法,这里不做任何限定。
在步骤S213,将插补后的测风塔数据拟合为风力发电机组的轮毂高度处的数据。当测风塔的高度和风力发电机组的轮毂高度不一致时,需要利用风切变将测风塔数据拟合为风力发电机组的轮毂高度处的数据。在进行数据拟合时,可以根据不同的情况使用不同的拟合方法。具体地,当风切变的月变化、昼夜变化和扇区变化不明显时,可以利用常数风切变值进行拟合。当由于地形引起风切变明显变化时,测风塔所处四周地形、植被和障碍物均不相同,则需要分扇区进行数据拟合。当由于昼夜引起风切变明显变化时,可以使用16扇区和小时风切变指数矩阵进行数据拟合。当由月份引起风切变明显变化时,可以使用16扇区和月份风切变指数矩阵进行数据拟合。通过不同情况的不同组合,采用的风切变拟合方法也不尽相同。
针对不同情况使用不同的拟合方法能够保证拟合为轮毂高度的数据与测风塔数据趋势、风切变趋势等保持一致。
图7是根据本公开的示例性实施例的测风塔数据处理装置的框图。
参照图7,根据本发明的实施例的测风塔数据处理装置700可以包括数据读取模块701、数据筛选模块702、数据插补模块703。此外,根据本发明的实施例的测风塔数据处理装置700还可以包括数据订正模块704以及数据拟合模块705。
具体地,数据读取模块701可以被配置为对测风塔数据进行读取,并且可以以TXT格式文本导出测风塔数据。在数据读取的过程中,数据读取模块701可以确定与测风塔相关的信息是否发生变更,其中,与测风塔相关的信息包括测风塔的位置、设备序列号、设备参数、通道顺序等。当与测风塔相关的信息未发生变更时,数据读取模块701直接读取测风塔数据;当与测风塔相关的信息发生变更时,数据读取模块701对发生变更的信息进行修改并读取修改后的测风塔数据。在修改完测风塔数据之后,数据读取模块701可以将测风塔数据以TXT格式文本导出。
在导出测风塔数据之后,数据筛选模块702可以分别使用不同的数据筛选方法对读取的测风塔数据进行数据筛选。数据筛选模块702可以使用设计规则对获取的测风塔数据进行规则删除,根据数据相关性对规则删除后的测风塔数据进行相关性删除,根据测风塔的各个通道的数据趋势和差值对相关性删除后的测风塔数据进行逻辑删除。通过分别使用上述三种数据删除方法能最大限度地删除不合理数据并保留合理数据,降低误删的概率。
在对测风塔数据进行数据筛选之后,数据插补模块703可以针对不同的测风塔数据缺失情况,对筛选后的数据进行数据插补。当确定测风塔为双通道时,数据插补模块703可以首先确定塔影对测风塔数据的影响,然后选取受塔影影响最小的测风塔数据。当在测风塔的特定高度处仅有一个测风设备时,数据插补模块703不对该特定高度处的测风塔数据进行塔影消除处理。当在测风塔的特定高度有多个测风设备且风向集中时,数据插补模块703选取该特定高度的在主风向方向上受塔影影响最小的测风塔数据。当在测风塔的特定高度处有多个测风设备且风向不集中时,数据插补模块703根据该特定高度处的风速比值、风向、其他高度处的风速对该特定高度处的测风塔数据进行塔影消除处理。在消除塔影影响后,数据插补模块703可以在测风塔的单一通道数据缺失情况和仅存在单一通道数据情况中的至少一种情况下,使用同一测风塔的其他通道的数据进行数据插补。在数据插补中,需要对至少大于1年的测风塔数据进行插补。
如果使用同一测风塔的其他通道的数据进行数据插补后的数据不满足预设的数据完整率和时长,则数据插补模块703可以基于其他测风塔的测风塔数据或长期数据,分别使用多种数据插补方法对测风塔数据进行插补。通过对分别使用多种数据插补方法进行插补的测风塔数据进行误差分析,选取产生误差最小的测风塔数据。
在对测风塔数据进行数据插补之后,数据订正模块704可以选取插补后的测风塔数据的完整年数据并对选取的完整年数据进行代表年订正。数据订正模块704可以采用比值法或差值法对测风塔数据进行代表年订正。可以使用任何一种现有的代表年订正方法,这里不对代表年订正方法做任何限定。
在对测风塔数据订正之后,数据拟合模块705可以将测风塔数据拟合为风力发电机组的轮毂高度处的数据。数据拟合模块705可以根据测风塔风速的高度、扇区、月变化和日变化对风切变的影响,使用不同的风切变矩阵对轮毂高度处的风速进行拟合。例如,当风切变的月变化、昼夜变化和扇区变化不明显时,数据拟合模块705可以使用常数风切变值进行拟合。当由于地形引起风切变明显变化时,测风塔所处四周地形、植被和障碍物均不相同,数据拟合模块705分扇区进行数据拟合。当由于昼夜引起风切变明显变化时,数据拟合模块705可以使用16扇区和小时风切变指数矩阵进行数据拟合。当由月份引起风切变明显变化时,数据拟合模块705可以使用16扇区和月份风切变指数矩阵进行数据拟合。
根据本发明公开的实施例的一种测风塔数据处理的方法可被实现为计算机可读记录介质上的计算机可读指令,或者可通过传输介质被发送。计算机可读记录介质是可存储此后可由计算机系统读取的数据的任意数据存储装置。计算机可读记录介质的示例包括只读存储器(ROM)、随机存取存储器(RAM)、光盘(CD-ROM)、数字多功能盘(DVD)、磁带、软盘、光学数据存储装置,但不限于此。传输介质可包括通过网络或各种类型的通信信道发送的载波。计算机可读记录介质也可分布于连接网络的计算机系统,从而计算机可读指令以分布方式被存储和执行。
基于以上描述的测风塔数据处理的方法和装置,可以根据在测风塔数据处理中的误差分析,针对数据读取、筛选、插补、订正以及拟合的每一环节,根据不同的情况选择不同的处理方法对测风塔数据进行数据处理。通过标准化的测风塔数据处理流程,可以更加全面地、合理地处理测风塔数据,保证了原始数据的准确性、降低了误删的概率、降低了插补数据的不确定性并且提高了处理测风数据的速度。
尽管已经参照其示例性实施例,具体显示和描述了本发明,但是本领域的技术人员应该理解,在不脱离权利要求所限定的本发明的精神和范围的情况下,可以对其进行形式和细节上的各种改变。
Claims (18)
1.一种测风塔数据处理方法,其特征在于,所述方法包括:
对测风塔数据进行读取;
分别使用不同的数据筛选方法对读取的测风塔数据进行数据筛选;
针对不同的测风塔数据缺失情况,对筛选后的数据进行数据插补。
2.如权利要求1所述的方法,其特征在于,对测风塔数据进行读取的步骤包括:
确定与测风塔相关的信息是否发生变更,
其中,当与测风塔相关的信息未发生变更时,直接读取测风塔数据;当与测风塔相关的信息发生变更时,对发生变更的信息进行修改并读取修改后的测风塔数据,
其中,与测风塔相关的信息包括测风塔的位置、设备序列号、设备参数、通道顺序。
3.如权利要求1所述的方法,其特征在于,对读取的测风塔数据进行数据筛选的步骤包括:
使用设计规则对获取的测风塔数据进行规则删除;
根据数据相关性,对规则删除后的测风塔数据进行相关性删除;
根据测风塔的各个通道的数据趋势和差值,对相关性删除后的测风塔数据进行逻辑删除。
4.如权利要求1所述的方法,其特征在于,对筛选后的数据进行数据插补的步骤包括:
确定塔影对测风塔数据的影响,选取受塔影影响最小的测风塔数据,
其中,当在测风塔的特定高度处仅有一个测风设备时,不对该特定高度处的测风塔数据进行塔影消除处理,
当在测风塔的特定高度有多个测风设备且风向集中时,选取该特定高度的在主风向方向上受塔影影响最小的测风塔数据,
当在测风塔的特定高度处有多个测风设备且风向不集中时,根据该特定高度处的风速比值、风向、其他高度处的风速对该特定高度处的测风塔数据进行塔影消除处理。
5.如权利要求4所述的方法,其特征在于,对筛选后的数据进行数据插补的步骤还包括:
在测风塔的特定通道数据缺失的情况下,使用同一测风塔的其他通道的数据进行数据插补,
其中,测风塔的特定通道数据缺失的情况包括测风塔的单一通道数据缺失情况和仅存在测风塔的单一通道数据情况中的至少一种,
其中,对至少大于1年的测风塔数据进行数据插补。
6.如权利要求5所述的方法,其特征在于,对筛选后的数据进行数据插补的步骤还包括:
在测风塔特定时刻的全部通道数据丢失的情况下,基于其他测风塔的测风塔数据或长期数据,对测风塔数据进行插补;
通过对插补后的测风塔数据进行误差分析,选取产生误差最小的测风塔数据。
7.如权利要求1所述的方法,其特征在于,还包括:
选取插补后的测风塔数据的完整年数据并对选取的完整年数据进行代表年订正。
8.如权利要求1所述的方法,其特征在于,还包括:
将插补后的测风塔数据拟合为风力发电机组的轮毂高度处的数据,
其中,当风切变的月变化、昼夜变化和扇区变化不明显时,利用常数风切变值进行拟合,
当由于地形引起风切变明显变化时,测风塔所处四周地形、植被和障碍物均不相同,使用16扇区进行数据拟合,
当由于昼夜引起风切变明显变化时,使用16扇区和小时风切变指数矩阵进行数据拟合,
当由月份引起风切变明显变化时,使用16扇区和月份风切变指数矩阵进行数据拟合。
9.一种风塔数据处理装置,其特征在于,所述装置包括:
数据读取模块,被配置为对测风塔数据进行读取;
数据筛选模块,被配置为分别使用不同的数据筛选方法对读取的测风塔数据进行数据筛选;
数据插补模块,被配置为针对不同的测风塔数据缺失情况,对筛选后的数据进行数据插补。
10.如权利要求9所述的装置,其特征在于,数据读取模块被配置为:
确定与测风塔相关的信息是否发生变更,
其中,当与测风塔相关的信息未发生变更时,直接读取测风塔数据;当与测风塔相关的信息发生变更时,对发生变更的信息进行修改并读取修改后的测风塔数据,
其中,与测风塔相关的信息包括测风塔的位置、设备序列号、设备参数、通道顺序。
11.如权利要求9所述的装置,其特征在于,数据筛选模块被配置为:
使用设计规则对获取的测风塔数据进行规则删除;
根据数据相关性,对规则删除后的测风塔数据进行相关性删除;
根据测风塔的各个通道的数据趋势和差值,对相关性删除后的测风塔数据进行逻辑删除。
12.如权利要求9所述的装置,其特征在于,数据插补模块被配置为:
确定塔影对测风塔数据的影响,选取受塔影影响最小的测风塔数据,
其中,当在测风塔的特定高度处仅有一个测风设备时,不对该特定高度处的测风塔数据进行塔影消除处理,
当在测风塔的特定高度有多个测风设备且风向集中时,选取该特定高度的在主风向方向上受塔影影响最小的测风塔数据,
当在测风塔的特定高度处有多个测风设备且风向不集中时,根据该特定高度处的风速比值、风向、其他高度处的风速对该特定高度处的测风塔数据进行塔影消除处理。
13.如权利要求12所述的装置,其特征在于,数据插补模块还被配置为:
在测风塔的特定通道数据缺失的情况下,使用同一测风塔的其他通道的数据进行数据插补,
其中,测风塔的特定通道数据缺失的情况包括测风塔的单一通道数据缺失情况和仅存在测风塔的单一通道数据情况中的至少一种,
其中,对至少大于1年的测风塔数据进行数据插补。
14.如权利要求13所述的装置,其特征在于,数据插补模块还被配置为:
在测风塔特定时刻的全部通道数据丢失的情况下,基于其他测风塔的测风塔数据或长期数据,对测风塔数据进行插补;
通过对插补后的测风塔数据进行误差分析,选取产生误差最小的测风塔数据。
15.如权利要求9所述的装置,其特征在于,还包括:数据订正模块,被配置为选取插补后的测风塔数据的完整年数据并对选取的完整年数据进行代表年订正。
16.如权利要求9所述的装置,其特征在于,还包括:数据拟合模块,被配置为将插补后的测风塔数据拟合为风力发电机组的轮毂高度处的数据,
其中,当风切变的月变化、昼夜变化和扇区变化不明显时,利用常数风切变值进行拟合,
当由于地形引起风切变明显变化时,测风塔所处四周地形、植被和障碍物均不相同,使用16扇区进行数据拟合,
当由于昼夜引起风切变明显变化时,使用16扇区和小时风切变指数矩阵进行数据拟合,
当由月份引起风切变明显变化时,使用16扇区和月份风切变指数矩阵进行数据拟合。
17.一种计算机可读存储介质,存储有程序,其特征在于,所述程序包括用于执行如权利要求1-8中的任一项所述方法的指令。
18.一种计算机,包括存储有计算机程序的可读介质,其特征在于,所述计算机程序包括用于执行如权利要求1-8中的任一项所述方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810397272.8A CN110427357A (zh) | 2018-04-28 | 2018-04-28 | 测风塔数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810397272.8A CN110427357A (zh) | 2018-04-28 | 2018-04-28 | 测风塔数据处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110427357A true CN110427357A (zh) | 2019-11-08 |
Family
ID=68408316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810397272.8A Pending CN110427357A (zh) | 2018-04-28 | 2018-04-28 | 测风塔数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110427357A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110705924A (zh) * | 2019-11-13 | 2020-01-17 | 许继集团有限公司 | 一种基于风向扇区的测风塔测风数据处理方法及装置 |
CN111080003A (zh) * | 2019-12-10 | 2020-04-28 | 华能威宁风力发电有限公司 | 一种适应复杂山地风电场的测风塔规划选址方法 |
CN111178031A (zh) * | 2019-12-18 | 2020-05-19 | 中电投电力工程有限公司 | 一种自动生成测风塔数据报告的方法 |
CN111666677A (zh) * | 2020-06-02 | 2020-09-15 | 华能盐城大丰新能源发电有限责任公司 | 一种考虑年内分布订正的测风数据代表年订正方法及系统 |
CN111814345A (zh) * | 2020-07-17 | 2020-10-23 | 中国船舶重工集团海装风电股份有限公司 | 利用多种中尺度风速数据插补观测缺失风速数据的方法 |
CN112949075A (zh) * | 2021-03-15 | 2021-06-11 | 华北电力大学 | 一种计及风切变和塔影效应的风轮等效风速计算方法 |
CN113283100A (zh) * | 2021-06-03 | 2021-08-20 | 中国电建集团青海省电力设计院有限公司 | 一种陆上风资源数字信息化开发方法 |
CN113792032A (zh) * | 2021-08-09 | 2021-12-14 | 中国电建集团西北勘测设计研究院有限公司 | 一种基于正态分布误差修正的测风数据塔影效应分析方法 |
CN114964357A (zh) * | 2022-04-08 | 2022-08-30 | 国电联合动力技术有限公司 | 测风数据校验方法、装置及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2437456A1 (en) * | 2002-12-20 | 2004-06-20 | Yaron Mayer | System and method for searching, finding and contacting dates on the internet in instant messaging networks and/or in other methods that enable immediate finding and creating immediate contact |
CN105225486A (zh) * | 2015-10-09 | 2016-01-06 | 哈尔滨工业大学深圳研究生院 | 填补缺失浮动车数据的方法及系统 |
CN105956015A (zh) * | 2016-04-22 | 2016-09-21 | 四川中软科技有限公司 | 一种基于大数据的服务平台整合方法 |
-
2018
- 2018-04-28 CN CN201810397272.8A patent/CN110427357A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2437456A1 (en) * | 2002-12-20 | 2004-06-20 | Yaron Mayer | System and method for searching, finding and contacting dates on the internet in instant messaging networks and/or in other methods that enable immediate finding and creating immediate contact |
CN105225486A (zh) * | 2015-10-09 | 2016-01-06 | 哈尔滨工业大学深圳研究生院 | 填补缺失浮动车数据的方法及系统 |
CN105956015A (zh) * | 2016-04-22 | 2016-09-21 | 四川中软科技有限公司 | 一种基于大数据的服务平台整合方法 |
Non-Patent Citations (4)
Title |
---|
严慧敏,袁越,梁志鹏: "《江苏风力发电发展研究 2008》", 31 December 2008, pages: 0085 * |
刘建国等: "《十三五"规划教材 高等学校新能源科学与工程专业教材 可再生能源导论》", 28 February 2017, pages: 0099 * |
曹莹,马文静,陈群: "《风力发电技术及应用》", 31 August 2013, pages: 32 - 37 * |
贵州电网有限责任公司: "《高原山区风电功率预测技术》", 31 March 2017, pages: 104 - 109 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110705924A (zh) * | 2019-11-13 | 2020-01-17 | 许继集团有限公司 | 一种基于风向扇区的测风塔测风数据处理方法及装置 |
CN110705924B (zh) * | 2019-11-13 | 2024-04-23 | 许继集团有限公司 | 一种基于风向扇区的测风塔测风数据处理方法及装置 |
CN111080003A (zh) * | 2019-12-10 | 2020-04-28 | 华能威宁风力发电有限公司 | 一种适应复杂山地风电场的测风塔规划选址方法 |
CN111080003B (zh) * | 2019-12-10 | 2023-05-02 | 华能威宁风力发电有限公司 | 一种适应复杂山地风电场的测风塔规划选址方法 |
CN111178031A (zh) * | 2019-12-18 | 2020-05-19 | 中电投电力工程有限公司 | 一种自动生成测风塔数据报告的方法 |
CN111666677B (zh) * | 2020-06-02 | 2023-06-13 | 华能盐城大丰新能源发电有限责任公司 | 一种考虑年内分布订正的测风数据代表年订正方法及系统 |
CN111666677A (zh) * | 2020-06-02 | 2020-09-15 | 华能盐城大丰新能源发电有限责任公司 | 一种考虑年内分布订正的测风数据代表年订正方法及系统 |
CN111814345A (zh) * | 2020-07-17 | 2020-10-23 | 中国船舶重工集团海装风电股份有限公司 | 利用多种中尺度风速数据插补观测缺失风速数据的方法 |
CN111814345B (zh) * | 2020-07-17 | 2022-08-02 | 中国船舶重工集团海装风电股份有限公司 | 利用多种中尺度风速数据插补观测缺失风速数据的方法 |
CN112949075A (zh) * | 2021-03-15 | 2021-06-11 | 华北电力大学 | 一种计及风切变和塔影效应的风轮等效风速计算方法 |
CN112949075B (zh) * | 2021-03-15 | 2024-03-15 | 华北电力大学 | 一种计及风切变和塔影效应的风轮等效风速计算方法 |
CN113283100A (zh) * | 2021-06-03 | 2021-08-20 | 中国电建集团青海省电力设计院有限公司 | 一种陆上风资源数字信息化开发方法 |
CN113792032B (zh) * | 2021-08-09 | 2024-01-23 | 中国电建集团西北勘测设计研究院有限公司 | 一种基于正态分布误差修正的测风数据塔影效应分析方法 |
CN113792032A (zh) * | 2021-08-09 | 2021-12-14 | 中国电建集团西北勘测设计研究院有限公司 | 一种基于正态分布误差修正的测风数据塔影效应分析方法 |
CN114964357A (zh) * | 2022-04-08 | 2022-08-30 | 国电联合动力技术有限公司 | 测风数据校验方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110427357A (zh) | 测风塔数据处理方法及装置 | |
AU2017352549B2 (en) | Method and device for calculating power generation of wind farm | |
Gramcianinov et al. | The properties and genesis environments of South Atlantic cyclones | |
CN107153894B (zh) | 一种风电场的预测风速校正方法及装置 | |
Meier et al. | Simulated sea level in past and future climates of the Baltic Sea | |
CN106321368B (zh) | 基于运营风机scada数据的海上风电场尾流损失测量方法 | |
CN113468773B (zh) | 全球台风浪数值模拟方法及系统 | |
Mortensen | Wind resource assessment using the WAsP software | |
Strzepek et al. | Climate variability and change: a basin scale indicator approach to understanding the risk to water resources development and management | |
CN111325376A (zh) | 风速预测方法及装置 | |
TWI498476B (zh) | 判定損失能量之方法 | |
KR100920529B1 (ko) | 염해 오손 예측 방법 | |
CN112700349A (zh) | 测风塔选址方法和装置 | |
Mortensen | Wind resource assessment using the WAsP software (DTU Wind Energy E-0135) | |
Gottschall et al. | Understanding and mitigating the impact of data gaps on offshore wind resource estimates | |
Mortensen | Planning and development of wind farms: wind resource assessment and siting | |
CN110187363A (zh) | 适用于大型风电基地的测风方法、系统、设备和存储介质 | |
Solbrekke et al. | Norwegian hindcast archive (NORA3)–A validation of offshore wind resources in the North Sea and Norwegian Sea | |
CN113177325A (zh) | 复杂地形下校正标准k-ε模型可调参数方法、装置及存储介质 | |
KR101800789B1 (ko) | 풍속 내삽에 적용하기 위해 개선된 mk-prism 방법 | |
Keck et al. | Validation of uncertainty reduction by using multiple transfer locations for WRF-CFD coupling in numerical wind energy assessments | |
Lanerolle et al. | The second generation Chesapeake Bay operational forecast system (CBOFS2) model development and skill assessment | |
Mortensen | 46200 Planning and Development of Wind Farms: Wind resource assessment using the WAsP software | |
CN115983449A (zh) | 海上基地场群确定方法、装置、存储介质及电子设备 | |
Bao et al. | Iterative modeling of wind turbine power curve based on least‐square B‐spline approximation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 830026 No. 107, Shanghai Road, Urumqi economic and Technological Development Zone, the Xinjiang Uygur Autonomous Region Applicant after: Jinfeng Technology Co.,Ltd. Address before: 830026 No. 107, Shanghai Road, Urumqi economic and Technological Development Zone, the Xinjiang Uygur Autonomous Region Applicant before: XINJIANG GOLDWIND SCIENCE & TECHNOLOGY Co.,Ltd. |